为了解决因业务流迅速增长而造成的网络拥塞现象,提出了一种新的业务流预测算法PSATP(Particle Swarm-ARIMA model based Traffic Prediction).该算法首先利用ARIMA模型和Kalman滤波建立预测方法,并且结合粒子群进行优化,使预测精度得以提高.同时,以实际数据进行仿真实验,深入研究了时延、丢包率与缓冲区、利用率之间的关系.相比于其他算法,仿真结果表明PSATP算法具有较好性能.
为了有效解决无线传感器网络中节点能量消耗平衡的问题,基于云模型提出了一种新的刻画算法ECBC(Energy Consumption Balance based on Cloud theory).该算法首先结合节点剩余能量和数据有效传输距离定义了评价指标,并且利用云模型对该评价指标进行求解.同时,利用OPENT进行仿真实验,深入分析了影响该算法的关键因素,并且对比分析了ECBC与其它算法之间的性能状态,结果表明该算法具有较好的适应性.
针对无线传感器网络的能耗问题,基于概率神经网络和鱼群算法提出了一种刻画有效转发能效比的方法(Energy Efficiency based on Probability neural network and Fish swarm,EEPF).该方法首先利用概率神经网络来实现转发节点的聚类,并且通过鱼群的四种行为来刻画有效转发距离和转发能耗,以此计算网络的有效转发能效比.仿真实验结果表明,相比于其他算法,EEPF算法具有较好的适应性.
